碳減排政策對碳排放影響的實證分析

劉玲　李小軍　彭劍波

摘要：利用中國30個省份（西藏及港澳臺地區除外）2007-2017年的面板數據，將碳減排政策引入STIRPAT模型，實證分析碳減排政策對碳排放的政策約束力、時效性。結果表明，就全國范圍而言，碳減排政策對碳排放的直接約束力和時效性作用有限，就區域范圍而言，西部地區的碳減排政策長期約束力和時效性影響程度高于中部、東部地區。針對碳減排政策的區域影響差異提出差異化碳減排政策建議。

關鍵詞：碳減排政策;STIRPAT拓展模型;碳排放;時效性

中圖分類號：X196 文獻標識碼：A

文章編號：0439-8114（2020） 16-0049-05

DOI： 10.14088/j.cnki.issn0439-8114.2020.16.010

全球氣候形勢日益嚴峻，各國政府在全球氣候治理中的作用舉足輕重。中國作為世界上第一大能源生產國和消費國，發揮中國政府在碳減排中的建設性作用不僅是當期經濟建設與人民群眾的現實需要，同時也是完成《巴黎協議》的中國承諾部分，構建人類命運共同體的重大舉措。隨著中國碳排放交易市場的日益完善、新能源的發展、一系列碳減排計劃的具體落實等，生態環境部數據顯示，中國在控制溫室氣體排放方面已取得顯著成效，2017年中國單位國內生產總值二氧化碳排放比2005年下降約46%，超過了2020年單位國內生產總值二氧化碳排放比2005年下降40%～45%的目標;煤炭消費比重從2005年的72%下降到2017年的60%;2017年非化石能源消費比重上升到13.8%。中國已成為利用清潔能源第一大國，風電、光伏發電裝機規模和核電在建規模均位居世界第一，清潔能源投資連續9年位列全球第一，累計減少的二氧化碳排放也居世界第一位。為進一步探究碳減排政策對碳排放的約束力、時效性，本研究在STIRPAT模型的基礎上，引入政策變量作為核心控制變量，對全國30個省份（西藏及港澳臺地區除外）2007-2017年的面板數據進行實證分析，進一步探討政策要素對碳排放的影響機制，為區域可持續發展提供決策依據。

碳排放問題在中國低碳經濟的發展中尤為重要，國內外學者對影響碳排放的因素進行了諸多研究。Martinez-Zarzoso等[1]運用OECD國家數據，研究發現人均收入和碳排放之間存在倒U型關系。Pao等[2]運用面板數據協整方法發現金磚國家的外商直接投資增加了碳排放。Yi等[3]探討了城鎮化與碳排放的關系，實證結果得出城鎮化的集聚會導致溫室氣體過量排放，兩者存在正相關關系。國內學者對碳排放問題研究較早，徐玉高等[4]利用全球截面數據，分析了人口增長、能源消費強度變化對人均碳排放的影響，發現碳排放與人均GDP之間不存在Kuznets曲線，人口增長和人均GDP的增加是人均碳排放增加的主要來源，而GDP能源消費強度的下降則是碳排放減少的重要來源。王鋒等[5]發現人均GDP增長是二氧化碳排放量增長的最大驅動因素。邵帥等[6]使用廣義迪氏指數分解法考察了 1995-2014年制造業碳排放演變的驅動因素。黃勤等[7]運用LMDI模型研究了長江經濟帶C02排放增量的驅動因素，發現影響因素按大小依次為經濟規模效應、能源強度效應、產業結構效應和能源結構效應。方浩等[8]對國家經濟發展與碳排放的關系進行了研究，認為經濟和能源消費兩者結構多元化最終促使國家完成從高碳燃料為主向低碳燃料的轉變。本研究基于國內外學者的研究結果，選取政策變量作為關鍵變量，同時選取能源強度等變量，綜合討論碳減排政策對碳排放的影響機制。

1 STIRPAT模型概述

Ehrlich & Holdren率先提出IPAT模型，該模型主要用來解釋人口對環境壓力的影響，其中，I反映環境壓力，P反映人口數量，A反映富裕程度，T反映技術水平[9，10]。此后，由于該模型在考察解釋變量與環境后果間的非比例影響等方面存在局限，Dietz& Rosa在此基礎上又進一步發展出STIRPAT模型[11-18]，即：

式中，e表示常數項，β0、β1、β2、β3是要被估計的參數，下標i表示I、P、A和T在不同觀測單元之間的變化。通常在實證分析中對模型兩邊同時取對數，將式（1）轉化為式（2）：InIit=β0+β1InPit +β2lnAit +β3lnTit +εi （2）

STIRPAT模型作為研究碳排放與經濟發展之間關系的經典理論，已經得到學術界的普遍認可，研究者在式（2）的基礎上，根據研究需要增加其他變量來進行相關分析，增加的解釋變量應與式（1）的乘積形式保持一致。因此，結合本研究的主題，最終建立的碳排放經濟計量模型如下：ICO2=f1（P，A，T，X，ε） （3）

式中，ICO2表示各省的碳排放總量;為各省的年末人口總量;A為各省人均GDP;T為各省技術水平（即碳排放強度），用單位地區生產總值的碳排放強度（噸標準煤/萬元）衡量;X表示其他控制變量，包括政策數量PN、城鎮化率UR、產業結構IS等;ε是誤差項。兩邊通過對數轉化后得到的公式如下：InICO2it=β0=β1InPNit=β2InETi+InSRit +InPGit + InIRit + InISit + InURit +εit （4）

式中，ICO2it表示i地區第t年的二氧化碳排放總量;PNit表示i地區第t年的碳減排政策數量;ETit表示i地區第t年的碳排放強度（單位GDP能耗）;SRit表示i地區第t年年末人口總數;PGit表示i地區第t年人均GDP;IRit表示i地區第t年的污染治理投資總額占GDP比率;/心表示i地區第t年第二產業產值占GDP比率;URit表示i地區第t年城鎮化率;εit為隨機誤差項。

相比傳統意義上的STIRPAT模型，本研究通過對現有傳統模型的分析及改進，將人口變量用地區年末人口數量表示，將技術變量用單位GDP能耗表示，將富裕程度變量用人均GDP表示。同時引入政策變量及城鎮化率、產業結構、污染治理投資等多個變量，以此觀測區域經濟要素對碳排放的影響。

2 數據來源與變量說明

2.1 碳排放的測算

本研究的城市碳排放核算方法來源于CEADs（中國碳排放數據庫團隊）（http：//www.ceads.net），基于化石燃料能源消費的碳排放計算公式如下：CEenergy = ∑i∑jCEij = ∑i∑jADij ×NCV×EFi×Oij，i∈[1，17]，j∈[1，47] （5）

式中，為不同部門和類型的能源碳排放;ADij為調整后的能源消耗;NCVi為不同能源類型的凈熱值;EFi為碳排放因子;Oij為不同部門和類型能源的氧合效率;CEADs根據100個大煤礦區的602個煤樣進行測量，發現聯合國政府間氣候變化專門委員會（Intergovernmental panel on climate change，IPCC）和國家發展和改革委員會建議的排放因子往往高于實際排放因子，該碳排放數據采用IPCC（2006年）部門方法計算二氧化碳排放，被研究機構廣泛應用。碳排放量是根據17種化石燃料和47種社會經濟燃料部門排放計算得出的，所以本研究采用CEADs所測量的數據來計算城市碳排放值（表1）。

2.2數據來源及變量統計性分析

本研究采用2007-2017年中國30個省份（西藏及港澳臺地區除外）的面板數據，數據主要來源于2007-2017年的國家統計局官網、《中國統計年鑒》《中國能源統計年鑒》《中國環境年鑒》、CEADs及各省份統計年鑒等。

將二氧化碳排放量作為衡量碳排放的因變量，同時將碳減排政策數量、單位GDP能耗、污染治理投資總額占GDP比率、第二產業產值占GDP比重、城鎮化率、人口數量、人均GDP作為自變量處理，其中，各省碳減排政策數量來源于“法律之星”網站。

運用Statal4.0軟件對相關變量進行統計分析，結果如表2所示。

2.3 模型選擇與計量方法

在進行分區域實證研究時，除港澳臺地區外，依以往研究的通用劃分方式[19]，按照地區經濟發展水平將全國31個省份劃分為東部、中部、西部3個地區[20，21]。東部地區包括北京、天津、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南、河北11個省（市）;中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南8個省;西部地區為內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆11個省（市、區）（本研究由于部分數據缺失，西藏除外，實際研究省份為30個）。

運用Stata 14.0軟件對整體面板數據分別進行F檢驗和Hausman檢驗，結果均顯示P=0.000，拒絕原假設隨機效應模型，因此，檢驗結果都顯著支持固定效應。綜合國內外研究和現實情況，本研究在利用面板數據進行STIRPAT建模時選擇固定效應拓展模型。

3實證分析及結果

在運用Stata14.0軟件的基礎上，建立STIRPAT拓展模型，計量結果顯示，由于存在時滯及區域性差異，可能使碳減排政策對碳排放的影響存在一定程度的差異。因此，在實證分析當期政策對當期碳排放影響的同時，對政策滯后一期的影響進行了實證分析，也進行了碳減排政策對當期及滯后一期影響的實證研究。

3.1 碳減排政策對碳排放的時效性影響分析

3.1.1碳減排政策當期對碳排放的影響 實證分析結果如表3顯示，碳減排政策數量（PA0當期對全國碳排放的直接影響系數相較于其他因素較小，直接約束力較小，在其他條件不變的前提下，每增加1%的碳減排政策會使碳排放量減少3.306%。而對碳排放影響最為顯著的主要為單位GDP能耗（ET）與人均GDP（PG），這兩個因素同時也是碳排放量的直接影響因素，中國目前的能源使用效率不高，由粗放型使用向集約型使用需要一定的過程，同時與此相聯系的是目前國內依然存在的粗放式、高耗能工業模式帶來的大量碳排放，人均GDP的增長會帶來大量產品的需求，在產品生產和消耗過程中不可避免帶來大量的碳排放。

3.1.2 碳減排政策滯后一期對碳排放的影響 由表3的估計結果可以看出，碳減排政策滯后一期對碳排放的影響相較于碳減排政策對碳排放的當期影響，影響系數降低了大概1個千分點，而顯著性略有下降。說明碳減排政策滯后一期實際對碳排放量的直接影響效力較小，碳減排政策對碳排放的時效性影響有限。

3.2 碳減排政策對碳排放的分區域影響

3.2.1 碳減排政策當期對各區域碳排放的影響 由表4可知，就地區而言，碳減排政策當期對碳排放的約束效力最大的為中部地區;單位GDP能耗（碳排放強度）中，中部地區比東部地區大，西部地區最小。主要原因為中部地區的山西、吉林、黑龍江等省份為中國重要能源和重工業基地，碳排放量巨大;而東部地區的產業以輕工業為主，城鎮化水平高，能源利用效率高，西部地區人口分散，工業化基礎薄弱，因此碳排放強度低。從人口數量來看，中部地區城鎮化對碳排放具有正向影響，西部地區影響不顯著，其原因在于西部地區人口分布相對分散，中部地區人口分布過于集中，人們生產和生活活動將會產生大量的碳排放;從人均GDP來看，西部地區人均GDP對碳排放影響程度要高于中、東部地區，并且已經成為西部地區碳排放的主要影響因素，主要是因為西部工業結構以能源消耗型工業為主，生產碳排放量遠高于中、東部地區;對于污染治理投資總額占GDP比例而言，東部地區和中部地區污染治理投資總額占GDP比例與碳排放呈負相關，其中中部地區污染治理投資對碳排放的影響程度高于東部地區;對于產業結構而言，主要由地區工業結構決定，中部地區第二產業產值占GDP比重對碳排放影響程度高于東部地區和西部地區;對于城鎮化率而言，中部地區和東部地區城鎮化率與碳排放呈正相關，而西部地區城鎮率與碳排放呈負相關，主要原因是西部地區城鎮化率低，人口與工業分散，城鎮化率越高，能源利用效率越高，則碳排放量越低。

3.2.2 碳減排政策滯后一期對各區域碳排放的影響 如表5所示，碳減排政策滯后一期相較于政策當期效果而言，東部地區與中部地區政策約束力變小，而西部地區變大。主要原因在于東部地區與中部地區工業體系發達，碳排放量巨大，碳減排政策更新快且密集，短期時效性強，長期時效性弱。而西部地區碳排放政策數量較少且時間跨度大，因此造成短期時效性弱，長期時效性強。

4 小結與建議

本研究采用2007-2017年全國30個省份（西藏及港澳臺地區除外）的面板數據，考察碳減排政策對碳排放的影響。基于STIRPAT拓展模型實證分析碳減排政策對碳排放的作用，得出以下結論。

1）就全國范圍而言，碳減排政策對碳排放的直接約束力和時效性作用有限。而其他要素如人均GDP和城鎮化率對碳排放的影響較大。

2）從區域范圍而言，東部、中部地區碳減排政策短期約束力和時效性較強，影響東部、中部、西部地區碳排放量的主要因素存在差異。相反，西部地區碳減排政策對碳排放的長期約束力和時效性影響程度高于中部、東部地區。

基于分析和上述結論，本研究提出如下的政策建議。

1） 對于東部地區而言，碳排放的主要影響因素為城鎮化和財富狀況（人均GDP），城鎮化水平一方面會提高能源的使用效率和集約化水平，但城鎮化水平和人們財富狀況的好轉，必然導致人們生產生活所消耗的物質資料的增加。鑒于此，政府應當制定一些具有針對性的促進綠色低碳生活消費方式及綠色循環產業發展的政策。

2） 對于中部地區而言，碳排放的主要影響因素為人口數量、城鎮化率、產業結構，基于中部地區龐大的人口基數與產業結構，應當推動綠色產業的發展及綠色消費方式的普及，降低生活、生產中的碳排放量。同時，政府應當推動中部地區產業結構優化升級，提升第三產業比重，對工業結構中的碳排放強度高的行業進行技術優化，推動技術革新。

3） 對于西部地區而言，碳排放量的主要影響因素為城鎮化率、人均GDP和人口數量。而西部地區城鎮化率與碳排放量呈負相關，因此，政府應當在人口過于分散的地區進一步提高城鎮化水平。同時推動經濟發展，提高人均收入水平，并提倡綠色消費生產方式。

參考文獻：

[1]MARTINEZ-ZARZOSO I， BENGOCHEA-MORANCHO A. Pooledmean group estimation of an environmental Kuznets curve for CO2[J].Economics letters，2004，82（ 1）： 121-126.

[2]PAO H T，TSAI C M. Multivariate granger causality between CO2emissions， energy consumption， FDI （foreign direct investment） andGDP（ gross domestic product） ： Evidence from a panel of BRIG （Bra-zil， Russian Federation， India， and China） countries [J].Energy，2011，36（l）：685-693.

[3] YI H T， LIU Y. Green economy in China： Regional variations andpolicy drivers[J].Global environmental change，2015，31：11 — 19.

[4]徐玉高，郭元，吳宗鑫.經濟發展，碳排放和經濟演化[J].環境科學進展，1999，7（2）：54-64.

[5]王鋒，吳麗華，楊超.中國經濟發展中碳排放增長的驅動因素研究[J].經濟研究，2010（2）：123-136.

[6] 邵帥，張曦，趙興榮.中國制造業碳排放的經驗分解與達峰路徑——廣義迪氏指數分解和動態情景分析[J].中國工業經濟，2017（3） ：44-63.

[7]黃勤，何晴.長江經濟帶碳排放驅動因素及其空間特征一一基于LMDI模型[J].財經科學，2017（5）： 80-92.

[8]方浩，梅洪常.競爭要素與低碳發展：基于中西部省域面板數據分析[J].生態經濟，2018，34（ 11） ：72-76.

[9]KUMAR S M，DEEP M. Drivers of greenhouse gas emissions in theUnited Slates： revisiling STIRPAT model[J]. Environment develop-ment and sustainability， 2018：1-17.

[10]高新偉，李潔儀，閆昊本.汽油消費稅對私人汽車碳排放影響研究[J]中國人口·資源與環境，2019，29（10）：135-142.

[11]湯姿，李曉紅.基于STIRPAT模型的黑龍江省旅游業二氧化碳排放影響因素分析[J].生態經濟，2019，35（8）： 141-145.

[12]鐘少芬，郭曉娟，劉煜平，等.基于STRPAT模型的碳排放情景分析[J].科技管理研究，2019，39（17）：253-258.

[13]孫穎，劉寧寧.工業化、城市化與地區碳排放強度——基于STIRPAT模型的省際面板數據分析[J].改革與開放，2019（17）：16-20.

[14]王兆峰，廖紅璐.基于STIHPAT模型的長株潭城市群交通碳排放的影響因素及其區域差異[J].湖南師范大學自然科學學報，2019，42（5）：1-9，33.

[15]劉業煒.我國居民家庭能源消費時空差異性研究——基于居民家庭收入、區域氣候差異與碳減排相關性分析[J].價格理論與實踐，2019（7） ：57-60.

[16]李學迪，鄭海濤.中國城市工業污染的影響因素研究[J].北京航空航天大學學報（社會科學版），2020，33（ 1）： 93-98.

[17]WEN L，SHAO H. Analysis of influencing factors of the carbon di-oxide emissions in China's commercial department based on theSTIRPAT model and ridge regression [J]. Environmental scienceand pollution research， 2019， 26（26）：27138-27147.

[18]梁一鳴，雷社平.中部六省碳排放因素分析和趨勢預測——基于STIRPAT和灰色GM（1，1）模型的實證研究[J].價值工程，2019，38（20：11-14.

[19]趙當如，陳為.綠色視角下的我國區域財政科技投入績效評價及其空間收斂性研究[J].海南金融，2018（2） ：4-16.

[20]孫亞男，劉華軍，崔蓉.中國地區經濟差距的來源及其空間相關性影響：區域協調發展視角[J].廣東財經大學學報，2016，31（2）：4-15.

[21]侯璐璐，張燕華.中國區域經濟發展差距測算和階段劃分[J].區域經濟評論，2015（2） ： 10-17.

收稿日期：2020-07-13

基金項目：2019年度廣西發展戰略研究院重點項目（T3230097919）

作者簡介：劉玲（1995-），女，重慶奉節人，在讀碩士研究生，研究方向為國際貿易及環境經濟，（電話）15578093498（電子信箱）2472000611@qq.com;通信作者，彭劍波（1970-），男，重慶忠縣人，副教授，（電話）13077716827（電子信箱）jianbop@163.com。